基于粒子群算法优化BP神经网络的溶浸开采浸出率预测

来源：黄金科学技术杂志2020年第1期北京时间：

作者：卜斤革,陈建宏

单位：中南大学资源与安全工程学院，湖南 长沙 410083

摘要：为了研究溶浸开采过程中浸出率的预测问题，以含锑硫化矿的浸出过程为例，采用经粒子群算法优化的BP神经网络模型预测浸出率。首先分析得出影响矿物浸出率的主要因素，并将已有样本数据进行变量训练，建立BP神经网络预测模型；其次利用粒子群算法优化该模型；最后分别利用BP神经网络模型和PSO-BP神经网络模型预测浸出率，并对比2种模型预测值与实际值的误差精度。研究结果表明：影响含锑硫化矿浸出率的主要因素有温度、时间、液固比、搅拌速度和HCl浓度，且这些因素相互影响，其与浸出率呈现高度非线性关系，采用粒子群算法优化的BP神经网络模型训练精度较高，对浸出率的预测更精确，相比BP神经网络，该模型得出的预测结果与实际值的相对误差以及方差都有明显下降。由此可见，该预测模型对当前矿区溶浸开采的浸出率优化有一定的参考价值。

关键词：溶浸开采,浸出率,变量训练,BP神经网络,粒子群优化,误差分析

基金资助：国家自然科学基金青年基金项目“基于人工智能的矿山技术经济指标动态优化 ”(51404305),国家自然科学基金项目“基于属性驱动的矿体动态建模及更新方法研究”(51504286),中国博士后科学基金面上项目“辰州矿业采掘计划可视化编制与优化研究”(2015M 572269),湖南省科技计划项目“辰州矿业采掘计划可视化编制与优化研究”(2015RS4060)